مدل کانتور فعال

مدل کانتور فعال ( به انگلیسی: Active contour model ) ، که مدل مارها ( به انگلیسی: snakes ) نیز نامیده می شود، یک چارچوب در بینایی رایانه ای است که توسط مایکل کاس، اندرو ویتکین و دمتری ترزوپولوس معرفی شده، و برای ترسیم خطوط خارجی یک شیء، از یک تصویر دو بعدی احتمالاً پر نویز تعریف شده است. [ ۱] مدل مارها در دیدگاه رایانه ای محبوب است و این مدل به طور گسترده در برنامه های کاربردی مانند ردیابی شی، تشخیص شکل، تقسیم بندی، آشکارسازی لبه و تطبیق استریو مورد استفاده قرار می گیرد.
مدل مار یک انرژی کمینه کننده و اسپلاین قابل اصلاح است که تحت تأثیر محدودیت ها و نیروهای تصویر است که آن را به سمت کانتورها و نیروهای داخلی متصل می کند که مقاومت در برابر تغییر شکل را دارند. مدل مارها ممکن است به عنوان یک مورد خاص از روش کلی تطبیق یک مدل ناپایدار به یک تصویر با استفاده از به حداقل رساندن انرژی درک شوند. [ ۱] در دو بعد، مدل شکل فعال، یک نسخه گسسته این رویکرد را نشان می دهد، با استفاده از مدل توزیع نقطه برای محدود کردن محدوده شکل به یک دامنه صریح از یک مجموعه آموزشی یاد می شود.
مارها کل مشکل پیدا کردن خطوط در تصاویر را حل نمی کنند، زیرا این روش نیاز به دانش قبلی شکل کانتورهای طرحی شده دارد. در عوض، آنها به مکانیزم های دیگر مانند تعامل با یک کاربر، تعامل با برخی از فرایندهای درک تصویری سطح بالاتر یا اطلاعاتی از داده های تصویر مجاور در زمان یا فضا بستگی دارد.
در دیدگاه رایانه، مدلهای کانتور، مرزهای شکل در یک تصویر را توصیف می کنند. مدل مارها به طور خاص طراحی شده اند تا مشکلات را حل کنند که در آن شکل تقریبی مرز شناخته شده است. با داشتن یک مدل تغییر شکل پذیر، مارها می توانند به تفاوت و نویز در تطبیق استریو و ردیابی حرکت سازگار شوند. علاوه بر این، این روش می تواند خطوط غیرواقعی در تصویر را با نادیده گرفتن اطلاعات مرزی گم شده پیدا کند.
در مقایسه با تکنیک های استخراج ویژگی کلاسیک، مدل مارها مزایای متعددی دارند:
• آنها مستقل و سازگارانه برای حداقل حالت جستجو می کنند.
• نیروهای تصویری خارجی به شیوه ای بصری بر روی مار عمل می کنند.
• ترکیب کردن Gaussian smoothing در تابع انرژی تصویر، حساسیت مقیاسی را نشان می دهد.
• آنها می توانند برای ردیابی اجزای در حال حرکت مورد استفاده قرار گیرند.